深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
181	2026-03-19	Predictive modelling and optimization of electrocoagulation for nitrate removal using deep learning: Toward intelligent and sustainable water treatment 2026-01, Journal of contaminant hydrology IF:3.5Q2 DOI:10.1016/j.jconhyd.2025.104751 PMID:41086718	研究论文	本研究应用深度学习优化电凝法去除合成废水中的硝酸盐，开发了CNN-LSTM混合模型并评估其性能	首次将CNN-LSTM混合深度学习架构应用于电凝法硝酸盐去除过程的建模与优化，实现了对复杂时空动态特征的捕捉	研究基于合成废水，实际废水成分的复杂性可能影响模型泛化能力；CNN-LSTM模型在交叉验证中表现略低于XGBoost	开发智能、可持续的水处理技术，通过建模优化电凝法去除硝酸盐的效率和成本	合成废水中的硝酸盐	机器学习	NA	电凝法，Box-Behnken实验设计	CNN, LSTM, XGBoost	实验过程数据（pH、浓度、电导率、电压、电流、反应时间等）	未明确说明样本数量，采用5折交叉验证	未明确说明，但提及Random Search超参数调优	CNN-LSTM混合架构	MSE, RMSE, MAE, MAPE, R, 调整R	NA
182	2026-03-19	Recovering Pulse Waves From Video Using Deep Unrolling and Deep Equilibrium Models 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3671653 PMID:41817983	研究论文	本文提出了一种结合信号处理与深度学习的逆问题框架方法，用于从面部视频中恢复脉搏波信号、心率及心率变异性	将深度算法展开与深度均衡模型相结合，学习基于深度网络的去噪算子，以少于最接近竞争方法五分之一的可学习参数实现最先进的性能	未明确说明方法在极端光照条件或面部遮挡情况下的鲁棒性	开发一种基于视频的非接触式生命体征监测方法，用于精确恢复脉搏波信号及相关生理参数	面部视频中的皮肤区域，用于提取成像光电容积描记信号	计算机视觉	心血管疾病	成像光电容积描记技术	深度均衡模型	视频	NA	NA	NA	心率估计精度，心率变异性估计精度	NA
183	2026-03-19	Deep learning-driven image captioning: Progress through transformers and large language models 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345012 PMID:41838712	研究论文	本文提出了一种基于先进视觉Transformer架构和大型语言模型的深度学习模型，用于图像描述生成	通过独特的交叉注意力机制实现语言上下文与视觉特征的深度对齐，显著超越了传统的CNN-RNN混合模型及现有Transformer方法	未明确提及模型的具体局限性，但文中分析了该领域的关键挑战，如增强描述多样性、确保稳健的多模态对齐和减轻固有偏见	开发更精确、上下文丰富且类人的图像描述生成系统	图像描述生成任务	计算机视觉	NA	深度学习	Transformer, LLM	图像	在MSCOCO、Flickr30K和NoCaps等多个数据集上进行了广泛评估	NA	视觉Transformer	BLEU-4, METEOR, CIDEr	NA
184	2026-03-19	Latent Causal Modeling for 3D Brain MRI Counterfactuals 2026, Deep generative models : 5th MICCAI workshop, DGM4MICCAI 2025, held in conjunction with MICCAI 2025, Daejeon, South Korea, September 23, 2025, Proceedings. DGM4MICCAI (Workshop) (5th : 2025 : Taejon-si, Korea) DOI:10.1007/978-3-032-05472-2_19 PMID:41841031	研究论文	提出了一种两阶段方法，在潜在空间中构建结构因果模型，用于生成高质量的三维脑部MRI反事实图像	将结构因果模型整合到VQ-VAE学习的潜在空间中，并使用封闭形式的广义线性模型执行三步反事实程序，以生成高质量且多样化的三维脑部MRI	未明确提及具体局限性，但可能包括对高维空间因果建模的挑战以及模型在训练数据分布外的泛化能力	解决结构脑部MRI研究中样本量不足的问题，通过生成高质量的反事实图像来增强深度学习模型的训练数据	三维脑部MRI数据，特别是来自阿尔茨海默病神经影像学倡议和全国青少年酒精与神经发育联盟的高分辨率MRI数据	计算机视觉	阿尔茨海默病	结构脑部MRI	VQ-VAE, GLM	三维图像	NA	NA	VQ-VAE	NA	NA
185	2026-03-19	Artificial intelligence foundation models in healthcare: A Malaysian perspective 2026-Jan, The Medical journal of Malaysia PMID:41617499	评论	本文探讨了基础模型在医疗保健领域的应用，并提供了马来西亚视角下的整合建议	从马来西亚医疗系统的角度，探讨基础模型在整合医学影像、临床记录和基因组数据以促进精准健康方面的创新应用	NA	探索基础模型如何推动精准健康洞察，并讨论其在马来西亚医疗系统中的整合潜力	医疗保健系统、基础模型在医疗中的应用	机器学习	NA	深度学习	基础模型	医学影像、临床记录、基因组数据	NA	NA	NA	NA	NA
186	2026-03-19	DSEF-CNN: FTIR-based differential-spectral FPN-CNN for real-time multi-gas leak identification in petrochemical monitoring 2026-Jan-01, Applied optics IF:1.7Q3 DOI:10.1364/AO.579178 PMID:41842139	研究论文	本研究提出了一种基于傅里叶变换红外光谱的深度学习框架DSEF-CNN，用于石化环境中实时多气体泄漏识别	提出了一个专门针对高分辨率FTIR光谱数据设计的深度学习框架，集成了差分处理模块、一维特征金字塔网络、高效通道注意力机制和轻量级CNN主干，以解决光谱重叠、工业噪声干扰和对低浓度泄漏灵敏度低的问题	NA	解决传统气体泄漏检测技术在石化环境中的局限性，实现实时多气体泄漏识别	石化环境中的多气体泄漏	机器学习和光谱分析	NA	傅里叶变换红外光谱	CNN	光谱数据	NA	NA	DSEF-CNN（集成差分处理模块、一维特征金字塔网络、高效通道注意力机制和轻量级CNN主干）	识别准确率	NA
187	2026-03-19	Hybrid deep learning and optimized variational mode decomposition for point-interval runoff prediction 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343063 PMID:41843616	研究论文	本研究提出了一种结合信息获取优化器、变分模态分解、卷积神经网络-支持向量机和核密度估计的混合深度学习框架，用于点-区间径流预测	采用基于信息获取优化器的优化变分模态分解来增强特征提取，并引入基于B样条的最小二乘交叉验证带宽选择方法，以改进预测误差密度估计和区间预测的准确性	研究仅在长江流域进行实验，未在其他流域验证模型的泛化能力	提高径流预测的准确性和量化预测不确定性，以支持水资源分配和水电规划	径流时间序列数据	机器学习	NA	变分模态分解，核密度估计	CNN, SVM	时间序列数据	NA	NA	CNN-SVM	RMSE, MAPE	NA
188	2026-03-19	A lightweight deep learning framework for reliable microscopy-based diagnosis of cutaneous leishmaniasis 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344561 PMID:41843631	研究论文	本研究开发了一个轻量级深度学习框架，用于从显微镜图像中自动检测皮肤利什曼病的无鞭毛体并进行玻片级诊断概率估计	提出了一个轻量级、校准感知的深度学习框架，采用弱监督伪标签策略进行像素级寄生虫分割，并利用概率池化和事后校准技术（如等渗回归）显著提高了诊断概率的可靠性	模型仅在单中心数据集上进行训练和评估，未来需要在更广泛的数据集上进行验证	开发一个自动化、可靠的显微镜图像分析框架，用于皮肤利什曼病的诊断	吉姆萨染色玻片的显微镜图像	数字病理学	皮肤利什曼病	显微镜检查	深度学习	图像	292个视野图像（来自单中心数据集）	NA	U-Net, MobileNetV2	Dice系数, 交并比, AUROC, Brier分数, 预期校准误差	NA
189	2026-03-18	An Integrated Risk Prediction Model for Gout Using Clinical Data, Ultrasound Features, and Deep Learning: A Retrospective Multicenter Study 2026, Journal of inflammation research IF:4.2Q2 DOI:10.2147/JIR.S543363 PMID:41835122	研究论文	本研究开发并验证了一个结合临床数据、超声特征和深度学习预测的痛风风险预测模型	首次将超声特征作为新型风险因素与临床数据和深度学习预测相结合，构建综合风险预测模型	回顾性研究设计可能引入选择偏倚，样本量相对有限，且仅基于两个中心的患者数据	开发并验证一个用于预测痛风风险的集成模型	接受第一跖趾关节超声检查的痛风患者，共609例	数字病理学	痛风	超声成像	深度学习模型	图像, 临床数据	609例患者（训练组355例，内部测试队列162例，外部测试队列92例）	NA	NA	AUC, Brier分数, 校准曲线, 决策曲线分析	NA
190	2026-03-18	Classifying irritable bowel syndrome using spatio-temporal graph convolution networks on brain functional MRI data 2026, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcag062 PMID:41835134	研究论文	本研究利用时空图卷积网络对脑功能磁共振成像数据进行分类，以区分肠易激综合征患者与健康对照组	首次将时空图卷积网络应用于肠易激综合征的脑功能磁共振成像分类，并引入新颖的可解释性模块以识别与疾病相关的关键脑区	样本量相对较小（共158名受试者），且模型在检测功能磁共振成像中细微动态病理变化方面可能仍有局限	开发有效的诊断或预测模型，用于肠易激综合征的脑网络异常检测	肠易激综合征患者和健康对照组的脑功能磁共振成像数据	计算机视觉	肠易激综合征	静息态功能磁共振成像	时空图卷积网络	图像	79名肠易激综合征患者和79名健康对照组，共158名受试者	NA	时空图卷积网络	准确率	NA
191	2026-03-18	LMP-PM: a lightweight multi-path pruning method for plant leaf disease recognition 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1737464 PMID:41835267	研究论文	本文提出了一种名为LMP-PM的轻量级多路径剪枝方法，用于植物叶片病害识别，旨在平衡模型性能与计算资源需求	提出了一种可配置的轻量级多路径剪枝方法（LMP-PM），能够通过剪枝参数和路径扩展比灵活优化模型，在显著减少参数和FLOPs的同时，可能提升分类准确率	未明确说明方法在更广泛或更复杂病害数据集上的泛化能力，以及剪枝过程对模型鲁棒性的潜在影响	开发一种高效且准确的植物病害识别方法，以适应资源受限的农业实际应用场景	植物叶片病害	计算机视觉	植物病害	深度学习模型剪枝	CNN	图像	Plant Village数据集和AI 2018 Challenger数据集（具体样本数量未在摘要中提供）	未明确说明	OMNet（包含三分支并行模块TBP block），LMNet（经LMP-PM优化后的轻量网络）	准确率	未明确说明
192	2026-03-18	Advancements and prospects in key technologies for robotic pollination in greenhouse pepper breeding: a review 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1778541 PMID:41835286	综述	本文系统回顾了温室辣椒育种中机器人授粉关键技术的进展与前景	将温室机器人授粉的核心技术问题提炼为目标检测与姿态估计、末端执行器设计以及结合运动控制的授粉策略三个主要领域，并提出了一个集感知、决策与执行于一体的分层架构未来发展方向	当前辣椒机器人授粉技术面临精确花朵检测与姿态估计方法不成熟、专用末端执行器设计有待优化、动态环境下决策系统鲁棒性不足等瓶颈	回顾和评估温室机器人授粉领域的最新技术进展，并展望未来发展方向	温室辣椒育种中的机器人授粉系统	机器人技术，智能农业	NA	机器人视觉感知，运动控制，深度学习	深度学习模型	花朵图像，姿态数据	NA	NA	NA	识别精度，鲁棒性	NA
193	2026-03-18	Toward automated neonatal EEG analysis: multi-center validation of a reliable deep learning pipeline 2026, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2026.1750045 PMID:41835935	研究论文	本文介绍并验证了NeoNaid，一种基于功能脑龄估计和睡眠分期的全自动新生儿脑电图分析软件工具	结合了多任务深度学习模型与质量控制程序，用于检测伪影、分布外输入和不确定预测，提高了新生儿脑电图分析的可靠性	研究样本量相对较小（内部数据集33个脑电图/17名婴儿，外部数据集38个脑电图/24名婴儿），且未在更广泛的多中心环境中进行验证	评估用于新生儿脑电图分析的自动化软件工具的可靠性和泛化能力	新生儿脑电图数据	数字病理学	新生儿疾病	脑电图分析	深度学习模型	脑电图信号	内部数据集：33个脑电图，17名婴儿；外部数据集：38个脑电图，24名婴儿	NA	多任务深度学习模型	中位数绝对功能脑龄误差，Cohen's Kappa值	NA
194	2026-03-18	Deciphering exterior: building energy efficiency prediction with emerging urban big data 2026, npj urban sustainability IF:9.1Q1 DOI:10.1038/s42949-026-00348-7 PMID:41836274	研究论文	本研究提出了一种利用外部广泛存在数据预测建筑能效的新方法框架	提出了一种仅使用外部广泛数据（如热红外遥感图像、街景图像等）进行建筑能效预测的端到端多通道深度学习模型，避免了传统模拟或现场检查方法的耗时耗力问题	模型仅在格拉斯哥和爱丁堡两个城市进行了验证，尚未在其他地区或更大范围测试其普适性	为建筑部门脱碳目标提供可扩展的能效评估解决方案	英国住宅建筑的能源效率	计算机视觉	NA	热红外遥感成像、光学遥感成像、街景图像采集	深度学习模型	图像（热红外遥感图像、光学遥感图像、街景图像）、社会经济指标、建筑形态数据	格拉斯哥和爱丁堡两个城市的建筑数据	NA	端到端多通道深度学习模型	F1分数	NA
195	2026-03-18	Bibliometric analysis of deep learning for surgical instrument segmentation, detection and tracking in minimally invasive surgery 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1633888 PMID:41836341	综述	本文通过文献计量学分析，系统梳理了2017年至2024年间深度学习在微创手术中手术器械分割、检测与跟踪领域的研究现状、趋势及合作网络	首次针对深度学习在微创手术器械分割、检测与跟踪领域进行结构化文献计量学分析，系统映射了该领域的研究格局、合作网络及主题演变轨迹	本研究未评估临床有效性，且引用计数受出版年龄影响需谨慎解读	系统绘制深度学习在微创手术器械分割、检测与跟踪领域的研究版图，分析出版趋势、合作网络及学科主题轨迹	2017年至2024年间发表的关于深度学习在腹腔镜或机器人微创手术中器械分割/检测/跟踪的原创研究文章	计算机视觉	NA	文献计量学分析	CNN, Transformer	手术视频	217篇文章	Bibliometrix R包, VOSviewer	卷积神经网络, Transformer架构	NA	NA
196	2026-03-18	Explainable multimodal feature fusion networks for Parkinson's disease prediction 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1771281 PMID:41836340	研究论文	本文提出了一种可解释的多模态深度学习框架，用于通过融合手写、步态和语音特征来预测帕金森病	采用早期特征融合策略整合多模态数据，并结合可解释AI技术（SHAP和Grad-CAM）增强模型透明度，实现模态和特征级贡献的临床可解释性	未明确提及样本量限制或外部验证的不足	开发一个稳健且可解释的帕金森病早期检测系统	帕金森病患者	机器学习	帕金森病	多模态数据融合	深度神经网络, XGBoost	手写、步态和语音数据	NA	NA	NA	准确率, 宏F1分数, AUC, 平均精度, 灵敏度, 特异性	NA
197	2026-03-18	The capability of deep-radiomics to predict pathological response to neoadjuvant immunochemotherapy in non-small cell lung cancer: a retrospective multicenter study 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1770042 PMID:41836436	研究论文	本研究建立了一个结合放射组学、深度学习和临床特征的预测模型，用于预测非小细胞肺癌患者在新辅助免疫化疗后的病理完全缓解	创新点在于将放射组学特征、深度学习特征和临床特征（如iRECIST）融合，构建了一个多中心、多模态的联合预测模型，以提高病理完全缓解的预测准确性	研究为回顾性设计，样本量相对较小（178例患者），且仅基于CT图像，可能未涵盖所有相关生物标志物	预测非小细胞肺癌患者在新辅助免疫化疗后的病理完全缓解	非小细胞肺癌患者	数字病理学	肺癌	CT成像	深度学习,逻辑回归	图像	178例患者（来自三个中心，分为训练、内部测试和外部测试队列）	NA	NA	AUC	NA
198	2026-03-18	Global to local burdens, inequalities, and achievable frontiers of child and adolescent malignant neoplasm of bone and articular cartilage across 953 countries and sublocations, 1980-2040, with deep learning-based forecasts 2026-Jan, Journal of orthopaedic translation IF:5.9Q1 DOI:10.1016/j.jot.2025.101042 PMID:41836575	研究论文	本研究系统分析了1980年至2021年间全球953个国家和地区20岁以下儿童和青少年骨与关节软骨恶性肿瘤的负担、不平等及理想可达到的前沿，并利用基于注意力的深度学习管道进行预测至2040年	首次在全球至地方层面，对儿童和青少年骨与关节软骨恶性肿瘤的长期负担进行系统性分析，并开发了先进的基于注意力的深度学习管道进行精准预测	研究依赖于现有癌症登记数据，可能存在数据报告不完整或地区差异，且预测模型基于历史趋势，未来实际变化可能受未预见因素影响	评估全球儿童和青少年骨与关节软骨恶性肿瘤的疾病负担、不平等状况及未来趋势，为公共卫生政策提供依据	20岁以下儿童和青少年，覆盖全球953个国家和地区	公共卫生流行病学	骨与关节软骨恶性肿瘤	深度学习预测模型	基于注意力的深度学习管道	流行病学统计数据	全球953个国家和地区1980-2021年的疾病负担数据	NA	基于注意力的深度学习管道	NA	NA
199	2026-03-18	Spatiotemporal deep learning framework for predictive behavioral threat detection in surveillance footage 2026, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2026.1770989 PMID:41836643	研究论文	本研究提出了一种优化的时空深度学习框架，用于视频监控中的异常行为检测	通过结合CNN进行空间特征提取和LSTM进行时间依赖建模，优化了超参数和正则化策略，提升了收敛稳定性和泛化性能	未明确提及，可能包括对特定数据集的依赖或计算资源需求	开发有效的视频监控异常行为检测方法	视频监控数据中的异常人类行为	计算机视觉	NA	深度学习	CNN, LSTM	视频	使用DCSASS监控数据集，未指定具体样本数量	未明确指定，可能基于TensorFlow或PyTorch	CNN-LSTM组合架构	准确率, 精确率, 召回率, F1分数	未明确指定
200	2026-03-18	Artificial intelligence algorithm to predict the requirement of neonatal endotracheal intubation within 3 h: application for clinical practice 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1729990 PMID:41836960	研究论文	本研究开发了一种多模态深度学习模型，用于预测新生儿在3小时内是否需要气管插管	提出了一种结合数值临床数据和时序生命体征数据的多模态深度学习模型，能够提前3小时高精度预测新生儿气管插管需求，并通过独立数据集进行了全面的外部验证	NA	开发高精度预测模型，以提前预测新生儿重症监护室中气管插管的需求，实现主动临床规划和干预	新生儿重症监护室中的新生儿	机器学习	新生儿急性呼吸窘迫	多模态深度学习	深度学习模型	数值临床数据, 时序生命体征数据	NA	NA	多模态深度学习模型	准确率, AUC	NA